致密含气砂岩核磁共振-声波速度联合实验

为研究致密含气砂岩有效储层划分、流体识别方法,选取了典型致密含气砂岩样品,开展核磁共振-声波速度联合实验。以核磁共振实验为基础,结合压汞曲线特征,研究了储层孔隙结构特征,分析了储层可储性;以岩石声学特性实验为基础,研究纵、横波速对储层含气性的敏感性;分析了核磁共振T₂谱与横波速度对岩石孔隙特征的共性反映,得出了T₂几何平均值(T_2gm)与横波速度之间的关系,进而建立了核磁共振-声波速度联合含气性识别图版。研究表明,目标区致密砂岩储层有4种孔隙结构,孔隙发育尺度与粗-细小喉道交互配位关系,决定了4种孔隙结构储层的储集和渗透能力。致密含气砂岩纵波速度对含气性敏感,利用纵波时差与纵、横波速比交会识别含气性效果良好;核磁共振T_2gm与横波速度呈幂函数关系,为利用核磁共振测井预测地层横波速度提供了帮助。进而将不同含气岩石纵波时差与核磁共振T_2gm进行交会,显示该方法对致密砂岩储层含气性具有较好的识别效果。     

应用雷电参数统计分析220kV同塔双回输电线路绕击性能

为全面反映城市主干电网220kV同塔双回输电线路防雷性能差异性,研究多雷地区输电线路的防雷特征,提出了应用雷电定位系统(LLS)长期监测数据统计的雷电参数,对输电线路进行雷电性能分析和研究的方法。以雷电活动强烈的珠海市220kV同塔双回输电线路为例,统计分析1999～2008年共10a的LLS监测数据,利用改进电气几何模型(EGM),结合风险等级评估的方法研究了输电线路绕击雷电性能,并与运行经验进行了对比。分析计算结果表明:高雷暴区线路的地闪密度远大于规程推荐值,所计算得到的绕击跳闸率比采用规程推荐参数计算的要高,与运行经验能很好地符合,采用的计算方法适合雷电活动强烈地区输电线路绕击防雷性能评估。     

竞争催生立体化客服

成品油市场供过于求,竞争加剧,营利空间缩小,要在激烈的竞争中取得优势,终端销售必须提供更好的服务.世界权威研究机构的一项调查表明,以客户为中心,拓宽服务范围,全面满足客户需求,是效率最高也是成本最省的商业手段、服务手段.     

北美与英国输电系统可靠性评价方法及启示

我国现行输电可靠性评价方法与其他国家存在差异。介绍了北美和英国对输电系统的可靠性评价体系和美国电科院对可靠性评价的两大系列指标,介绍了英国在输电系统可靠性评价体系中引入的激励机制,以及与我国现行的输电网可靠性的评价方法相比较后得到的有益启示。     

天窗顶盖冲压工艺的改进

介绍了一种解决天窗顶盖下沉及变形等缺陷的冲压工艺处理方案,此工艺实现方便,制作简单,能较好的控制天窗的回弹。,对于与此类制件的回弹控制具有很高的参考价值。     

Hastelloy C-276镍基合金的热压缩变形行为

采用Gleeble-3500热模拟试验机研究了Hastelloy C-276镍基合金在0.01～10 s-1、1000～1250℃、应变量0.7条件下的高温恒温压缩变形行为,对热压缩后的组织进行了金相显微分析。结果表明:C-276合金热变形流变应力随着应变速率的增大和变形温度的降低而增大。热变形过程中发生了动态再结晶,当温度T≥1200℃时,发生了完全动态再结晶,T<1200℃时,发生部分动态再结晶。热变形流变应力可用Zener-Hollomon参数来描述,根据修正后的流变应力曲线建立了Hastelloy C-276合金峰值应力下的高温变形本构方程,热变形材料常数为:激活能Q=446.51 kJ·mol-1,α=0.0037346,n=4.42851,A=1.11×1016。     

高压电机稀油站改进

1改进前状况 我公司高压电机均采用稀油站润滑方式,此设备由三个仪表采集各检测点信号（参数见表1）来控制两台泵供油,一台工作,一台备用,如果主泵出现故障,备用泵立即工作。     

基于颜色差异特征与边缘复杂度的输电铁塔螺栓螺帽目标检测算法

螺栓作为输电铁塔上的重要部件,其安装状态正确与否对于铁塔的安全质量至关重要,但目前针对刚搭建完成仍未投入使用的铁塔螺栓安装状态的计算机自动检测方法的研究相对空白,工程实践中仍采用人工检测的方式。因此,针对此类铁塔提出了一种新的螺栓安装状态自动检测算法,该算法将深度学习与数字图像处理方法相结合,在Faster-RCNN网...     

预聚体法合成阴离子型水性聚氨酯的研究

以异佛尔酮二异氰酸酯（IPDI）、聚醚多元醇、二羟甲基丙酸（DMPA）、乙二胺（EDA）为主要原料，采用预聚体法合成了系列水性聚氨酯乳液，讨论了水性聚氨酯上软段类型（N-210、N-220、PHA）、NCO／OH量比值、交联体系、乙二胺用量对乳液及其胶膜耐水性、力学性能、涂膜手感的影响．胶膜的ATR红外光谱表现为水性聚氨酯典型的红外特征．     

改进的并行模糊核聚类算法在电力负荷预测的应用

用户用电典型模式的分类预测是电力负荷预测的重要组成部分。针对单核模糊C均值算法在电力大数据挖掘中不能兼顾预测精度和普适性能好的问题,提出了一种电力短期负荷场景中改进的无监督学习多核模糊C均值聚类算法,建立了双层神经网络的电力数据负荷预测模型对比该改进的算法对电力负荷预测效果的影响。用户数据由MapReduce并行化处理加速。数值实验结果表明:改进的算法在实际电力用户数据集中,具有广泛的适用性和有效性,同时能显著提高电力短期负荷预测的精度。